买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉兰州大学申请的专利一种基于生成式AI的沙尘暴天气预测方法、系统、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119310655B 。

龙图腾网通过国家知识产权局官网在2025-09-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411423280.7，技术领域涉及：G01W1/10；该发明授权一种基于生成式AI的沙尘暴天气预测方法、系统、设备及介质是由陈斌;郝明祥;杨婷婷设计研发完成，并于2024-10-12向国家知识产权局提交的专利申请。

本一种基于生成式AI的沙尘暴天气预测方法、系统、设备及介质在说明书摘要公布了：本发明公开一种基于生成式AI的沙尘暴天气预测方法、系统、设备及介质，涉及沙尘暴预测技术领域。所述方法包括：构建MM‑DDPM模型，并利用MM‑DDPM模型联合编码沙尘暴数据集中气象要素和沙尘暴标签之间的关联性，生成沙尘暴增强样本；利用沙尘暴增强样本对预训练气象大模型进行参数调优，得到训练好的沙尘暴预测模型，并由沙尘暴预测模型进行天气预测，得到沙尘暴预测结果；该沙尘暴预测结果包括沙尘暴事件的发生时间、持续时间和空间分布；该预训练气象大模型是基于Fengwu模型和沙尘暴拟合层构建的。本发明能够通过生成可靠地沙尘暴数据样本，突破现有技术在数据稀缺性与不平衡性上的局限，提升沙尘暴预测的精度和稳定性。

本发明授权一种基于生成式AI的沙尘暴天气预测方法、系统、设备及介质在权利要求书中公布了：1.一种基于生成式AI的沙尘暴天气预测方法，其特征在于，包括： 获取历史资料中的沙尘暴数据集； 构建MM-DDPM模型，并利用所述MM-DDPM模型联合编码所述沙尘暴数据集中气象要素和沙尘暴标签之间的关联性，生成沙尘暴增强样本；所述沙尘暴增强样本包括具有物理相关性的气象要素数据和沙尘暴数据；所述MM-DDPM模型是基于联合编码器和联合损失构建的； 利用所述沙尘暴增强样本对预训练气象大模型进行参数调优，得到训练好的沙尘暴预测模型，并由所述沙尘暴预测模型进行天气预测，得到沙尘暴预测结果；所述沙尘暴预测结果包括沙尘暴事件的发生时间、持续时间和空间分布；所述预训练气象大模型是基于Fengwu模型和沙尘暴拟合层构建的； 所述沙尘暴增强样本的具体生成过程为： 将气象要素数据Xw和沙尘暴数据Xd通过联合编码器EXd，Xw转换为共享的隐变量空间表示Z，通过联合编码器使两种模态的数据映射到相同的隐变量空间，实现在扩散过程中建模和保留两种模态的相互关系；在正向扩散过程中，向隐变量Z逐步添加噪声，使其分布趋近于标准高斯分布具体表示为： 式中，Zt是扩散过程在t时刻的隐变量表示，t属于[0,T]的整数范围；反向生成过程从加入最大高斯噪声后的隐变量ZT开始，逐步去噪还原初始联合隐变量表示Z0，从而生成与气象条件相关的沙尘暴数据，反向生成的条件概率分布为： 式中，和分别为均值和协方差矩阵，依赖于当前的隐变量表示Zt以及气象数据Xw，生成的最终隐变量表示Z0通过解码器D还原出气象要素和沙尘暴数据 由所述沙尘暴预测模型进行天气预测的具体过程为： 在所述沙尘暴预测模型中，通过一层Transformer共享编码器将输入数据映射到联合隐变量空间H，表达式为： 其中，表示Fengwu模型以为输入的输出结果，随后，采用全连接拟合层将未来气象要素映射到沙尘暴发生的概率上，并通过Sigmoid激活函数输出沙尘暴发生的概率： Output＝σW2·ReLUW1·H+b1+b2 其中，W1、W2和b1、b2是网络的权重和偏置σ是Sigmoid激活函数，输出Output表示沙尘暴发生的概率；由于沙尘暴数据是二值化数据，使用二元交叉熵损失函数来优化模型，损失函数的表达式为： 其中，yi为真实沙尘暴标签，为模型预测的沙尘暴发生概率，在沙尘暴预测模型中，气象大模型的主干部分被冻结，不再参与训练，仅在沙尘暴拟合层上进行参数调优，以逼近沙尘暴数据；通过MM-DDPM模型生成的增强样本用于解决数据不平衡问题，在参数调优过程中，增强样本和真实沙尘暴数据一起被输入模型，使得拟合层能够更准确地捕捉沙尘暴发生的模式，在参数调优完成后，沙尘暴预测模型用于预测未来时间步的沙尘暴发生情况；其中，输入气象要素XT+1:T+K，模型输出未来沙尘暴发生的概率为： 其中，为未来K个时间步的沙尘暴发生概率，MDustNet为最终的沙尘暴预测模型。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人兰州大学，其通讯地址为：730000 甘肃省兰州市城关区天水南路222号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。